[发明专利]利用三级或四级结构基序进行计算蛋白质设计

说明书

本公开涉及一种构建能够折叠成预定结构或靶结构的结合伴侣的氨基酸序列或氨基酸序列文库的方法。该方法是基于以下构思：蛋白质结构空间是模块化的，由高度重复的结构构建单元组成。

相关申请的交叉引用

本申请要求2018年5月31日提交的美国临时申请No.62/678,588的优先权，以上申请的全部内容通过援引并入本文。

联邦赞助的研究或开发

本发明是在美国国家科学基金会授予的DMR1534246和美国国立卫生研究院授予的P20 GM113132的政府支持下完成的。美国政府在本发明中享有某些权利。

技术领域

本公开涉及计算蛋白质设计，以及具体地，涉及设计可折叠成预定结构或靶结构的结合伴侣的蛋白质的方法、装置和系统。

背景技术

计算蛋白质设计(CPD)是寻找可折叠成预定结构(靶标)的氨基酸序列的任务。最初在20世纪90年代中期提出的现代CPD方法的基本思想是捕获根据物理原理的基本蛋白质现象(例如折叠和结合)的氨基酸序列决定簇。具体而言，目标是通过对潜在的原子间相互作用进行建模，以粗略估计靶结构中任何蛋白质序列的自由能。这样做的计算过程称为评分函数。有了评分函数，就可以通过寻找对给定目标具有特别有利能量的序列来执行CPD。

实践中，许多问题限制了传统CPD的准确度，最终导致鲁棒性较低。目前，在足够详细的水平上对蛋白质结构的物理模型进行建模以在设计的背景下计算准确的自由能是不可行的。因此，必须在基于物理学的评分函数中做出显著的近似，这极大限制其预测能力。替代地，可以通过基于知识的势能(也称为统计势能)对一些基本的物理现象进行经验建模。利用这些方法，测量了已知蛋白质结构中这些特征的频率并通过假设频率越高越有利来量化它们的经验有利性，而不是通过评估原子相互作用的能量来推导特定结构特征(例如，两个特定原子彼此之间有特定距离)的有利性。例如，已经利用简单的结构特征(诸如主链二面角，原子距离和堆积密度，键方向，残基埋藏状态以及残基间接触)来建立统计势能。无论是依靠基于物理学的，统计的还是混合的能量函数，CPD的基本问题仍然存在：尽管原子间相互作用的细节最终确实会形成序列-结构关系(即，哪些序列将折叠成给定的结构)，但是从这些关系中删除了很多步骤。因此，在对原子现象建模时，即使是很小的误差，也可能在氨基酸序列的最终预测中形成显著的误差。现有势能的误差不小且不是随机的，这使情况变得更糟。相反，它们庞大而系统，通常与完全缺失的贡献相关，例如构型熵、未折叠状态的自由能或溶剂的存在。确实，即使基本的原子间相互作用和其他高能贡献是加和性的基本假设也仅是一种近似。例如，已知在给定的构象集合中蛋白质序列的自由能不是其原子间相互作用的加和函数，特别是在考虑溶剂作用时。

因此，本领域需要一种蛋白质设计方法，其以导致CPD成功率显著提高的方式提供一种解决评分功能问题的新方法。

发明内容

本公开提供了一种新的CPD方法，该方法基于从现有的蛋白质结构中直接观察序列-与-结构的关系，而不是通过基于基础的原子物理建模间接地推导它们。蛋白质结构代表了拟离散空间，其中只允许某些主链几何结构(即可设计的)，从某种意义上说，它们可以用天然氨基酸序列来实现。已经对蛋白质数据库(PDB)中的局部主链结构基序进行了系统表征(1)，这些基序捕获了二级、三级和四级结构背景。这些基序，在本文中统称为“TERM”(三级基序的缩写，尽管，如上所述，这些基序捕获二级、三级和四级结构)，在自然界中的不同蛋白中被高度重复使用。例如，仅～600个TERM就足以再亚分辨率上描述50％的已知结构全集(1)。由于结构空间的这种简并性，TERM有效捕获序列-结构关系的基本规则。这是因为每个基序在PDB中多次出现，通常在数千个不同的序列/结构背景中出现。通过分析这些许多匹配的序列，可以提取由相应的TERM表示的结构片段的序列决定簇。